《表1 原始与改进YOLO V3算法性能对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《改进的YOLO V3算法及其在小目标检测中的运用分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

VED A I数据集中包括9种对象。建议采用以下两种方式，对改进的YOLO V3在小目标检测中的性能体现进行验证：第一，运用分辨率是512×512的图像数据集，使数据集内部最小的3种目标归纳为一类，随机挑选80%图像展开训练，剩余图像则作为测试对象；第二，将分辨率是512×512的图像数据集作为数据集内9类目标的检测对象，分别展开YOLO V3和改进YOLO V3的训练。通过旋转图像、提高对比度等方式，增强、扩张数据集内部图像。改进YOLO V3在训练期间绘制损失值收殓曲线图、目标框、Avg IOU目标函数图。经过重复迭代，所有参数趋于稳定，最终损失值下降，Avg IOU同样趋于稳定。根据参数收殓情况分析改进的YOLO V3训练结果更满足目标要求，原始YOLO V3与改进YOLO V3算法性能对比见表1。